Utilisation de l'interface de ligne de commande

L'interface de ligne de commande YOLO (CLI) permet d'effectuer des commandes simples sur une seule ligne sans avoir besoin d'un environnement Python . CLI ne nécessite aucune personnalisation ni aucun code Python . Tu peux simplement exécuter toutes les tâches à partir du terminal avec la commande yolo commande.

Regarde : Mastering Ultralytics YOLOv8 : CLI

yolo TASK MODE ARGS

Where   TASK (optional) is one of [detect, segment, classify]
        MODE (required) is one of [train, val, predict, export, track]
        ARGS (optional) are any number of custom 'arg=value' pairs like 'imgsz=320' that override defaults.

yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

yolo predict model=yolov8n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

yolo val model=yolov8n.pt data=coco8.yaml batch=1 imgsz=640

yolo export model=yolov8n-cls.pt format=onnx imgsz=224,128

yolo help
yolo checks
yolo version
yolo settings
yolo copy-cfg
yolo cfg

Où :

• TASK (facultatif) est l'un des éléments suivants [detect, segment, classify]. S'il n'est pas transmis explicitement, YOLOv8 essaiera de deviner le nom de l'utilisateur. TASK du type de modèle.
• MODE (obligatoire) est l'un des éléments suivants [train, val, predict, export, track]
• ARGS (facultatif) sont un nombre quelconque de arg=value paires comme imgsz=320 qui remplacent les valeurs par défaut. Pour une liste complète des ARGS voir le Configuration page et defaults.yaml

Train

Entraîne YOLOv8n sur l'ensemble de données COCO8 pendant 100 époques à une taille d'image de 640. Pour une liste complète des arguments disponibles, voir la page Configuration.

yolo detect train data=coco8.yaml model=yolov8n.pt epochs=100 imgsz=640

yolo detect train resume model=last.pt

Val

Valide la précision du modèle YOLOv8n entraîné sur le jeu de données COCO8. Aucun argument n'a besoin d'être passé en tant que model conserve sa formation data et les arguments en tant qu'attributs du modèle.

yolo detect val model=yolov8n.pt

yolo detect val model=path/to/best.pt

Prévoir

Utilise un modèle YOLOv8n entraîné pour faire des prédictions sur les images.

yolo detect predict model=yolov8n.pt source='https://ultralytics.com/images/bus.jpg'

yolo detect predict model=path/to/best.pt source='https://ultralytics.com/images/bus.jpg'

Exporter

Exporte un modèle YOLOv8n vers un format différent comme ONNX, CoreML, etc.

yolo export model=yolov8n.pt format=onnx

yolo export model=path/to/best.pt format=onnx

Les formats d'exportation disponibles sur YOLOv8 sont présentés dans le tableau ci-dessous. Tu peux exporter vers n'importe quel format à l'aide de la fonction format argument, c'est-à-dire format='onnx' ou format='engine'.

Voir l'intégralité export détails dans le Exporter page.

Remplacer les arguments par défaut

Les arguments par défaut peuvent être remplacés en les passant simplement en tant qu'arguments dans la page CLI dans arg=value paires.

yolo detect train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

yolo segment predict model=yolov8n-seg.pt source='https://youtu.be/LNwODJXcvt4' imgsz=320

yolo detect val model=yolov8n.pt data=coco8.yaml batch=1 imgsz=640

Remplacer le fichier de configuration par défaut

Tu peux remplacer le default.yaml en passant un nouveau fichier avec l'option cfg Les arguments, c'est-à-dire cfg=custom.yaml.

Pour ce faire, crée d'abord une copie de default.yaml dans ton répertoire de travail actuel avec l'option yolo copy-cfg commande.

Cela créera default_copy.yamlque tu peux ensuite passer comme cfg=default_copy.yaml ainsi que tout autre argument supplémentaire, comme imgsz=320 dans cet exemple :

yolo copy-cfg
yolo cfg=default_copy.yaml imgsz=320

FAQ

Comment utiliser l'interface de ligne de commande Ultralytics YOLOv8 (CLI) pour l'apprentissage du modèle ?

Pour former un modèle YOLOv8 à l'aide de CLI, tu peux exécuter une simple commande d'une ligne dans le terminal. Par exemple, pour entraîner un modèle de détection pendant 10 époques avec un taux d'apprentissage de 0,01, tu dois exécuter :

yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

Cette commande utilise le train avec des arguments spécifiques. Reporte-toi à la liste complète des arguments disponibles dans la rubrique Guide de configuration.

Quelles sont les tâches que je peux effectuer avec le Ultralytics YOLOv8 CLI ?

Le site Ultralytics YOLOv8 CLI prend en charge diverses tâches, notamment la détection, la segmentation, la classification, la validation, la prédiction, l'exportation et le suivi. Par exemple :

• Former un modèle: Exécuter yolo train data=<data.yaml> model=<model.pt> epochs=<num>.
• Prévisions de course: Utiliser yolo predict model=<model.pt> source=<data_source> imgsz=<image_size>.
• Exporter un modèle: Exécuter yolo export model=<model.pt> format=<export_format>.

Chaque tâche peut être personnalisée à l'aide de divers arguments. Pour une syntaxe détaillée et des exemples, voir les sections respectives comme Former, Prédire et Exporter.

Comment puis-je valider la précision d'un modèle YOLOv8 entraîné à l'aide de CLI?

Pour valider la précision d'un modèle YOLOv8 , utilise l'outil val mode. Par exemple, pour valider un modèle de détection pré-entraîné avec une taille de lot de 1 et une taille d'image de 640, exécute :

yolo val model=yolov8n.pt data=coco8.yaml batch=1 imgsz=640

Cette commande évalue le modèle sur le jeu de données spécifié et fournit des mesures de performance. Pour plus de détails, reporte-toi à la section Val.

Dans quels formats puis-je exporter mes modèles YOLOv8 à l'aide de CLI?

YOLOv8 Les modèles peuvent être exportés vers différents formats tels que ONNX, CoreML, TensorRT, et bien d'autres encore. Par exemple, pour exporter un modèle au format ONNX , exécute :

yolo export model=yolov8n.pt format=onnx

Pour plus de détails, visite la page Exportation.

Comment puis-je personnaliser les commandes YOLOv8 CLI pour remplacer les arguments par défaut ?

Pour remplacer les arguments par défaut dans les commandes YOLOv8 CLI , passe-les en tant que arg=value paires. Par exemple, pour former un modèle avec des arguments personnalisés, utilise :

yolo train data=coco8.yaml model=yolov8n.pt epochs=10 lr0=0.01

Pour obtenir la liste complète des arguments disponibles et leur description, reporte-toi au Guide de configuration. Assure-toi que les arguments sont formatés correctement, comme indiqué dans la section Remplacer les arguments par défaut.

Commentaires